SpaceCast-Bench：评估视觉-语言模型中的预测性空间推理

arXiv 2026 24.1 benchmark

TLDR

提出SpaceCast-Bench基准，含182个真实场景3862个问题，评估视觉-语言模型的预测性空间推理，揭示与人类的显著差距。

评分理由

The paper presents a novel diagnostic benchmark with progressive task levels, extensive model evaluation, and useful controlled analyses. However, the abstract does not discuss limitations or potential biases in the programmatically generated training data.

Read-first 评分解释

综合优先阅读分 24.1，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 26。

近期性 5%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

主题相关性 25%

37.1

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

方法质量 15%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基准

可复现性 15%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：无

图谱声望 15%

5.7

基于可用 OpenAlex 引用关系构建局部引用图，并计算 PageRank 风格的图谱声望。局部 PageRank：0.0016

引用影响力 15%

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。引用数：0

引用速度 10%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

前沿论文

排序敏感性

稳定性：volatile；排名波动范围：187。

关键词评分

world dynamics prediction

world model

world simulator

generative world model

interactive world model

video world model

model-based reinforcement learning world model

资源

论文